Nature反对Nature？问题在遥感观测

近年来，越来越多研究开始直接使用遥感数据，并越来越习惯把卫星时间序列当作地表变化的直接证据。但遥感里有一个很危险、也很容易被忽视的前提： 卫星看到的，并不总能直接等同于地表真的发生了什么。

亚马孙常绿林到底有没有显著季节性？就是一个很典型的例子。2014 年Nature与 2021 年Nature Communications两篇论文给出了看上去并不一致的判断：前者认为此前光学遥感中看到的 dry-season green-up 主要是由 sun–sensor geometry 变化带来的表观信号，后者则基于高频静止卫星观测指出，亚马孙常绿林大范围存在可检测的季节性。

两篇论文看似在“掐架”，其实问题在 不够可靠的遥感解释。 它们暴露出了遥感证据本身最脆弱的两个地方：一类是 看错了 ，另一类是 没看够 。

一、 遥感“看错了”

Morton 等 2014 年这篇论文，经常被转述为“亚马孙旱季并不变绿”。这个说法不算错，但还不够准确。论文真正要强调的是：此前在光学遥感数据中看到的 apparent green-up，并不能直接解释为叶面积增加、叶片反射率变化，或者更强的生产力。他们评估了多种可能机制，最终认为光学遥感中的 apparent green-up，主要来自近红外反射率的季节性变化，而这一变化本身是由 sun–sensor geometry 变化造成的 artefact。进一步做双向反射校正之后，原先显著的季节信号消失；这一结果又与独立的激光雷达观测和三维辐射传输模拟相一致。

指数变了，不等于森林真的变了。 在强各向异性的热带森林上，未经严格几何处理的光学时间序列，不能直接进入生态解释。在热带森林这样具有强各向异性的冠层上，未经严格几何处理的光学时间序列，不能直接进入生态解释。作者并没有把判断压在单一数据产品上，而是结合了三维辐射传输模型 FLIGHT、ICESat/GLAS 激光雷达，以及逐像元、逐月进行 BRDF 反演的 Terra/Aqua MODIS 反射率数据，最后才提出：在区域尺度上，没有证据支持南亚马孙森林存在一致的季节性冠层结构或反射率变化。

此外，论文抓住了 有方向的系统误差 。在亚马孙旱季里，MODIS 的观测几何会逐渐接近 principal plane。仅仅是 sun–sensor geometry 的季节变化，就足以让模拟中的 NIR 和 EVI 呈现出“旱季增绿”的趋势；而一旦统一观测几何，这种趋势就会显著减弱，甚至消失。这其实是遥感里最危险的一种情况：不是噪声太大，而是误差恰好顺着季节走，顺着研究者预期的方向走，最后变成一条“很像结果”的曲线。2014 年这篇论文之所以重要，就在于它把这种风险讲清楚了。

图1｜2014 年 Nature 的关键提醒：在亚马孙这样的强各向异性冠层上，sun–sensor geometry 的季节变化，本身就可能制造出“旱季增绿”的表观信号。

图 2｜未经几何归一时，MODIS 的 NIR 和 EVI 呈现出明显的 dry-season green-up；而在统一 sun–sensor geometry 之后，这一季节信号显著减弱甚至消失。

二、遥感“没看够”

上一篇论文说卫星有可能把角度效应错当成冠层变化，2021 年 Hashimoto 等的Nature Communications则把问题往前又推了一步：即便你已经知道要警惕角度效应，旧一代太阳同步轨道卫星在亚马孙这样长期多云的区域里，也可能根本 没有足够多的 cloud-free observations 。

这篇论文使用 GOES-16 的 ABI 数据分析 2018–2019 年亚马孙常绿林 NDVI。与 MODIS 这样的太阳同步轨道传感器相比，ABI 能以 10–15 分钟的频率重复观测。ABI 能提供约为 MODIS 的 21–35 倍 cloud-free observations，并在此基础上在约 85% 的亚马孙常绿林中检测到统计显著的季节性。论文还指出，这一结果覆盖的区域约为先前基于 MODIS 结果的三倍。

如果一个像元在关键时段里本来就缺乏足够多的 clear-sky observations，那么再精致的合成、筛选和拟合，也可能只是围绕极少数观测做文章。对于亚马孙这样的区域而言，sampling density 不是技术配角，而是决定结论能否成立的前提 。 而且问题还不只是“看得少”。在长期多云的热带区域里，观测频次不足往往还会放大另一个问题：你很难真正筛出足够稳定、足够一致的 clear-sky sample。换句话说，这不只是“没看够”，很多时候也是“没筛净”。当有效观测样本太稀疏时，真实季节信号可能被削弱、扭曲，甚至直接漏掉。所以，2021 年这篇论文并不只是简单地“反驳 2014”。它更像是在说：即便你已经意识到几何效应可能会误导解释，如果观测机会本身就不够，那么你仍然可能得不到可靠答案。

图 3｜2021 年 Nature Communications 的关键补充：问题不只是“会不会看错”，还包括“有没有看够”。在亚马孙，多云条件使太阳同步轨道卫星长期缺乏足够的 clear-sky observations。

图 4｜ 当 clear-sky observations 的数量和时序覆盖发生变化时，同样是月尺度 NDVI 合成，ABI 与 MODIS 呈现出的空间格局也会显著不同 。

三、遥感证据的边界

把这两篇论文放在一起，最有启发性的地方并不是“一个说有，一个说没有”，而是它们分别揭示了遥感使用中两种很典型、也最容易被低估的问题： 看错了 ，和 没看够 。

“看错了”，不是仪器失灵，也不是噪声太大，而是某些非目标因素比如观测几何、角度效应、大气条件或处理方式——恰好以一种很像真实变化的形式进入了时间序列。它最危险的地方就在于：错误并不杂乱，反而可能平滑、稳定，甚至非常符合研究者的生态直觉，因此更容易被直接解释为地表过程。

“没看够”，也不是简单地“数据少一点”。真正的问题在于，当有效观测在关键时段过于稀疏时，时间序列本身就缺乏足够稳固的证据基础。此时无论后续的合成、拟合还是统计检验做得多精致，都可能只是围绕少量样本反复处理，最后把真实信号削弱、扭曲，甚至直接漏掉。

这两种局限，一种来自 把非地表信号误当成地表信号 ，一种来自 在证据不足时过早进入解释 ；一种对应误判，一种对应漏判。对遥感来说，真正困难的往往不是“能不能画出一条时间序列”，而是 能不能证明这条时间序列首先值得被相信 。

References

Morton, D. C., Nagol, J., Carabajal, C. C., Rosette, J., Palace, M., Cook, B. D., Vermote, E. F., Harding, D. J. & North, P. R. J. Amazon forests maintain consistent canopy structure and greenness during the dry season. Nature 506, 221–224 (2014).

Hashimoto, H. et al. New generation geostationary satellite observations support seasonality in greenness of the Amazon evergreen forests. Nature Communications 12, 684 (2021).